Modelli linguistici molecolari adattati al dominio migliorano l'efficienza della ricerca in biblioteche virtuali

Questo studio valuta quattro modelli linguistici molecolari pre-addestrati come codificatori per la previsione delle relazioni struttura-proprietà, valutando le loro prestazioni su sei biblioteche molecolari virtuali finalizzate alla scoperta di farmaci, materiali organici e catalisi. I risultati rivelano che, mentre gli embedding nativi mostrano risultati incoerenti, le impronte molecolari (fingerprints) stabiliscono una baseline robusta. Gli autori suggeriscono una mancata corrispondenza nella rappresentazione del dominio ed esplorano l'adattamento del dominio affinando i codificatori sulle strutture delle biblioteche, ottenendo prestazioni migliori e una migliore efficienza campionaria. Diversi codificatori adattati superano la baseline delle impronte molecolari. Il preprint intitolato 'Modelli linguistici molecolari adattati al dominio per la ricerca efficiente di biblioteche make-on-demand' è disponibile su arXiv. La ricerca sottolinea l'importanza dell'adattamento del dominio e il ruolo delle baseline classiche nei processi di scoperta molecolare.